收益：
- 能够通过读取和测试人工智能生成的 R/Python 分析代码进行验证，并建立具有种子、版本锁定和文件夹结构的可复制项目
- 能够使用版本控制 (Git)、文学编程 (R Markdown/Quarto/Jupyter) 和具有人工智能支持的环境管理，使分析从头到尾可重复
- 能够执行单元测试和健全性检查，以捕获 AI 代码中的无声错误（错误连接、泄漏、错过过滤器）
单位
1. 计量经济学和统计学中的人工智能：角色、边界、身份验证和隐私
2. 数据清理和准备：缺失数据、异常值和编码
3. 探索性数据分析和可视化：利用人工智能进行绘图和解释
4. 线性回归：模型构建、系数解释和假设
5. 回归诊断和违规：共线性、异方差、自相关
6. 假设检验和 p 值：显着性、功效和多重比较
7. p-hacking、HARKing 和统计完整性：人工智能时代的陷阱
8. 时间序列分析：平稳性、ARIMA 和预测
9. 因果关系和政策分析：DiD、IV、RDD 和人工智能
10. 代码生成和再现性：R/Python、版本控制和再现性
11. 报告写作、沟通和道德：呈现结果和沟通界限